Tese

Capacidade de predição de agressividade de neoplasias renais malignas utilizando radiômica em sequências específicas de ressonância magnética (2023)

• Authors:
  • Barreto, Luan Oliveira
  • Muglia, Valdair Francisco (Orientador)
• Autor USP: BARRETO, LUAN OLIVEIRA - FMRP
• Unidade: FMRP
• Sigla do Departamento: RIO
• DOI: 10.11606/D.17.2023.tde-05012024-162435
• Subjects: INTELIGÊNCIA ARTIFICIAL; REGRESSÃO LOGÍSTICA; NEOPLASIAS RENAIS; RESSONÂNCIA MAGNÉTICA
• Keywords: Artificial intelligence; Kidney neoplasm; Logistic regression; Logistic regression; Magnetic resonance; PyRadiomics; Random forest; Sklearn; SVM
• Agências de fomento:
  • Financiamento CAPES
• Language: Português
• Abstract: Objetivo: Avaliar a capacidade de sequências específicas de RM em predizer a gravidade anatomopatológica de neoplasias renais malignas, utilizando o desempenho da radiômica, baseada em ferramentas de processamento por inteligência artificial com aprendizado de máquina (machine learning), treinada com base em exames de pacientes com confirmação histopatológica de câncer de rim. Materiais e métodos: Segmentamos, manualmente, 42 lesões renais de exames de RM, realizadas em nossa instituição. Os dados foram adquiridos nas fases T2, ADC e Portal, através do software 3D Slicer. Em seguida, foram extraídos atributos (features) das imagens usando a biblioteca PyRadiomics. Após a extração dos atributos, realizou-se uma seleção de atributos utilizando a biblioteca Sklearn. Foram testados diferentes modelos de seleção, como Recursive Feature Elimination (RFE) e SelectKBest. Os modelos de aprendizado de máquina testados foram Random Forest, Sector Vector Machine (SVM) e Logistic Regression. O treino foi feito com a porção de treino dos casos, e a validação dos modelos com a porção de teste. Após a validação dos modelos, estudamos a acurácia, a precisão e a área sob a curva ROC (AUC-ROC) para avaliar o desempenho dos modelos. Resultados: no ADC, o SVM, Random Forest e Logistic Regression alcançaram acurácia de 0.80, 0.68 e 0.78, precisão de 0.65, 0.46 e 0.59 e AUC-ROC de 0.73, 0.57 e 0.73. No Portal, o SVM, Random Forest e Logistic Regression alcançaram acurácia de 0.82, 0.83 e 0.78, precisão de 0.69, 0.62 e 0.64 e AUC-ROC de 1.00, 0.67 e 0.82. Discussão: os resultados deste estudo demonstram que a radiômica pode ser usada para diferenciar entre tumores renais de baixo e alto grau usando dados de ressonância magnética com boa precisão. O SVM e Logistic Regression obtiveram bons resultados, com SVM alcançando amaior precisão e o Random Forest não obteve bons resultados. Novos estudos com amostras maiores são necessários para confirmar esses achados
• Imprenta:
  • Publisher place: Ribeirão Preto
  • Date published: 2023
• Data da defesa: 13.09.2023

Informações sobre o DOI: 10.11606/D.17.2023.tde-05012024-162435 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  BARRETO, Luan Oliveira. Capacidade de predição de agressividade de neoplasias renais malignas utilizando radiômica em sequências específicas de ressonância magnética. 2023. Mestrado Profissionalizante – Universidade de São Paulo, Ribeirão Preto, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/17/17158/tde-05012024-162435/. Acesso em: 10 jan. 2026.

• APA

  Barreto, L. O. (2023). Capacidade de predição de agressividade de neoplasias renais malignas utilizando radiômica em sequências específicas de ressonância magnética (Mestrado Profissionalizante). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/17/17158/tde-05012024-162435/

• NLM

  Barreto LO. Capacidade de predição de agressividade de neoplasias renais malignas utilizando radiômica em sequências específicas de ressonância magnética [Internet]. 2023 ;[citado 2026 jan. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17158/tde-05012024-162435/

• Vancouver

  Barreto LO. Capacidade de predição de agressividade de neoplasias renais malignas utilizando radiômica em sequências específicas de ressonância magnética [Internet]. 2023 ;[citado 2026 jan. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17158/tde-05012024-162435/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Histogram analysis in the differentiation between adrenal adenomas and pheochromocytomas: the value of a single measurement